R 按条目筛选数据帧

如何根据数据框中任何位置的特定值筛选数据集，而不必在任何列或行下

假设我有一个这样的数据帧

   id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
   46      M   Red             23             45             37             56
   46      M   Red             34             36             33             78
   46      M   Red             56             63             58             NA
   62      F  Blue             59             NA             NA             68
   62      F  Blue             NA             68             87             73
   38      M   Red             78             57             NA             65
   38      M   Red             NA             75             54             NA
   17      F  Blue             74             NA             56             72
   17      F  Blue             75             61             NA             79
   17      F  Blue             NA             74             43             81

我试图对这个数据框进行子集划分，这样我就可以保留包含值

68

的所有行和列，而不管它出现在数据框中的什么位置

最终结果将是

   id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2

   62      F  Blue             59             NA             NA             68
   62      F  Blue             NA             68             87             73

欢迎任何提示或建议。提前谢谢

df = structure(list(id = c(46, 46, 46, 62, 62, 38, 38, 17, 17, 17), 
    gender = structure(c(2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 
    1L), .Label = c("F", "M"), class = "factor"), group = structure(c(2L, 
    2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L), .Label = c("Blue", "Red"
    ), class = "factor"), Student_Math_1 = c(23, 34, 56, 59, 
    NA, 78, NA, 74, 75, NA), Student_Math_2 = c(45, 36, 63, NA, 
    68, 57, 75, NA, 61, 74), Student_Read_1 = c(37, 33, 58, NA, 
    87, NA, 54, 56, NA, 43), Student_Read_2 = c(56, 78, NA, 68, 
    73, 65, NA, 72, 79, 81)), .Names = c("id", "gender", "group", 
"Student_Math_1", "Student_Math_2", "Student_Read_1", "Student_Read_2"
), row.names = c(NA, -10L), class = "data.frame")

那么：

## use data from "Student_Math_1" column to "Student_Read_2" column
df[rowSums(df[4:7] == 68, na.rm = TRUE) > 0, ]

#  id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
#4 62      F  Blue             59             NA             NA             68
#5 62      F  Blue             NA             68             87             73

注意，

df[4:7]==68

返回一个逻辑矩阵（使用

NA

），我们使用

NA.rm=TRUE

获取

行和。在这种算术运算过程中，
TRUE
被视为1，
FALSE
被视为0


跟进

感谢Ben Bolker提醒您这一更具可读性的解决方案，如果您正在学习R:

df[apply(df[4:7] == 68, 1L, any, na.rm = TRUE), ]

它应用行方式
any
（带
na.rm=TRUE
）。我不记得在性能方面我在哪里比较了这两个。但我不会费心做一个快速的实验：

library(microbenchmark)

## For simplicity / neatness, I generate a logical matrix `X` without `NA`
X <- matrix(sample(c(TRUE, FALSE), 2000 * 10, replace = TRUE), 2000)

## also measuring 989's solution
microbenchmark(ZL = rowSums(X) > 0,
               Ben = apply(X, 1L, any),
               "989" = unique(which(X, arr.ind = T)[,1]))

#Unit: microseconds
# expr     min      lq      mean  median      uq     max neval cld
#   ZL  144.24  149.76  183.3516  164.86  172.48 2077.80   100 a  
#  Ben 5610.08 5730.78 6003.0660 5779.20 5861.46 8021.72   100   c
#  989 1571.72 1639.58 2033.4224 1664.78 1721.18 5339.48   100  b 

库（微基准）
##为了简单/整洁，我生成了一个逻辑矩阵'X'，没有'NA'`
那么：

## use data from "Student_Math_1" column to "Student_Read_2" column
df[rowSums(df[4:7] == 68, na.rm = TRUE) > 0, ]

#  id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
#4 62      F  Blue             59             NA             NA             68
#5 62      F  Blue             NA             68             87             73

注意，
df[4:7]==68
返回一个逻辑矩阵（使用
NA
），我们使用
NA.rm=TRUE
获取
行和。在这种算术运算过程中，
TRUE
被视为1，
FALSE
被视为0


跟进

感谢Ben Bolker提醒您这一更具可读性的解决方案，如果您正在学习R:

df[apply(df[4:7] == 68, 1L, any, na.rm = TRUE), ]

它应用行方式
any
（带
na.rm=TRUE
）。我不记得在性能方面我在哪里比较了这两个。但我不会费心做一个快速的实验：

library(microbenchmark)

## For simplicity / neatness, I generate a logical matrix `X` without `NA`
X <- matrix(sample(c(TRUE, FALSE), 2000 * 10, replace = TRUE), 2000)

## also measuring 989's solution
microbenchmark(ZL = rowSums(X) > 0,
               Ben = apply(X, 1L, any),
               "989" = unique(which(X, arr.ind = T)[,1]))

#Unit: microseconds
# expr     min      lq      mean  median      uq     max neval cld
#   ZL  144.24  149.76  183.3516  164.86  172.48 2077.80   100 a  
#  Ben 5610.08 5730.78 6003.0660 5779.20 5861.46 8021.72   100   c
#  989 1571.72 1639.58 2033.4224 1664.78 1721.18 5339.48   100  b 

库（微基准）
##为了简单/整洁，我生成了一个逻辑矩阵'X'，没有'NA'`
X或者

df[unique(which(df==68, arr.ind = T)[,1]),]

#  id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
#5 62      F  Blue             NA             68             87             73
#4 62      F  Blue             59             NA             NA             68

在这种情况下，您不需要关心列的位置或出现
NA
s的位置<代码>唯一
用于每行出现一次以上的情况。
或者

df[unique(which(df==68, arr.ind = T)[,1]),]

#  id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
#5 62      F  Blue             NA             68             87             73
#4 62      F  Blue             59             NA             NA             68

在这种情况下，您不需要关心列的位置或出现
NA
s的位置
unique
用于每行出现68次以上的情况。
如果一行出现68次以上，则返回重复的行。@989，我发现这个解决方案非常简单，完全符合我的预期。如果
68
连续出现多次，则返回重复的行。@989，我发现这个解决方案非常简单，完全符合我的预期。@989
df[apply（df[，3:7]==68,1，any，na.rm=TRUE），]
，这并没有比这个解决方案更清楚。一般来说，我喜欢
any（）
/
all（）
的可读性（而不是对强制为0/1的逻辑进行数字操作），但在这种情况下，我同意这没有多大帮助。我认为，除非使用真正巨大的数据，否则像这样的行动的时间差异通常是微不足道的…@BenBolker-很有趣-我认为在时间方面会有更大的惩罚。在10万行上，差异仍然只是一秒钟的一小部分。如果行数超过100万行，可能会大幅增加。@ZheyuanLi，我只能删除我的评论。我已经做到了
df[apply（df[，3:7]==68,1，any，na.rm=TRUE），]
，这并没有比这个解决方案更清楚。一般来说，我喜欢
any（）
/
all（）
的可读性（而不是对强制为0/1的逻辑进行数字操作），但在这种情况下，我同意这没有多大帮助。我认为，除非使用真正巨大的数据，否则像这样的行动的时间差异通常是微不足道的…@BenBolker-很有趣-我认为在时间方面会有更大的惩罚。在10万行上，差异仍然只是一秒钟的一小部分。如果行数超过100万行，可能会大幅增加。@ZheyuanLi，我只能删除我的评论。我已经这样做了。一般来说，您可以考虑从宽到长的形式重塑数据结构。第4列到第7列似乎包含所有相同类型的数据（等级？百分比？），而列标题看起来像属性（测试名称？）。宽表格通常是在Excel电子表格中收集数据时所得到的，但是长格式对于R中的数据操作或聚合通常更为方便。一般来说，您可以考虑将数据结构从宽格式改为长格式。第4列到第7列似乎包含所有相同类型的数据（等级？百分比？），而列标题看起来像属性（测试名称？）。在Excel电子表格中收集数据时，通常会得到宽格式，但在R中，长格式通常更便于数据操作或聚合。